旅行AI助手Voyant Travel Assistant

Voyant Travel Assistant是旅行AI工具，通过规划工具调用、执行操作、记录收据，在回复用户之前进行严格验证，提供一个可信赖和来源清晰的答案。Voyant Travel Assistant采用AI优先的规划方法（利用OpenAI风格的工具），结合Zod进行严格的JSON解析，实现非阻塞的异步I/O，通过集成大量工具，包括天气、国家/地区信息、景点、通用旅行搜索（如Tavily/Brave）、RAG（如Vectara）和Amadeus提供的城市/机场/航班数据，可以自动对回复进行核实，将所有操作收据和验证结果存储起来，用户可随时通过/why命令追溯答案的生成逻辑和来源。

如果想快速使用Voyant Travel Assistant，可按照以下步骤操作：

1、进入root目录，执行npm install安装依赖；

2、运行npm run build进行项目构建；

3、执行npm run start启动项目。

如果需要使用命令行界面（CLI），进入root目录后运行npm run cli即可。

基础需求为设置LLM_PROVIDER_BASEURL和LLM_API_KEY（或OPENROUTER_API_KEY），当使用Amadeus、Vectara、Search等工具时，还需额外配置对应的密钥。

各层级测试说明

测试命令

• 执行单元测试：进入root目录，运行npm run test:unit。

• 执行集成测试：进入root目录，运行npm run test:integration。

• 执行黄金测试：进入root目录，运行VERIFY_LLM=1 AUTO_VERIFY_REPLIES=true npm run test:golden。

测试前置条件

• 需提供LLM_PROVIDER_BASEURL和LLM_API_KEY，或OPENROUTER_API_KEY。

• 只有当VERIFY_LLM=1时，黄金测试才会执行，否则会被跳过。

智能体决策流程

Voyant Travel Assistant的智能体决策流程清晰，从接收用户消息到生成最终回复，涉及多个关键环节，各环节协同工作，确保用户需求得到准确响应。

1、用户发送消息后，请求会被发送至POST /chat接口（对应文件为root/src/api/routes.ts）。

2、接口将请求传递给handleChat()函数（对应文件为root/src/core/blend.ts）。

3、handleChat()函数调用runMetaAgentTurn()函数（对应文件为root/src/agent/meta_agent.ts），启动元智能体流程。

4、元智能体首先加载meta_agent.md文件，并记录提示哈希值/版本信息。

5、借助LLM进行分析与规划，生成CONTROL JSON路由、缺失信息及调用指令。

6、通过chatWithToolsLLM()函数执行工具调用规划。

7、再次利用LLM整合信息，生成有依据的回复。

8、调用setLastReceipts()函数（对应文件为slot_memory.ts）存储操作记录。

9、通过observeStage和addMeta* metrics（对应文件为util/metrics.ts）记录阶段信息与元数据指标。

10、检查是否开启AUTO_VERIFY_REPLIES=true：

• 若是，调用verifyAnswer()函数（对应文件为core/verify.ts），结合上下文（getContext）、插槽（slots）和意图（intent）进行验证。

• 验证完成后，调用setLastVerification()函数（对应文件为slot_memory.ts）存储验证结果。

• 判断验证结果是否为“失败”且存在修正答案。

若是，使用修正后的答案，调用pushMessage(thread, revised)将其添加到对话线程。

若否，直接返回元智能体生成的回复。

• 存储验证结果后，返回最终回复。

• 若未开启AUTO_VERIFY_REPLIES=true，直接返回元智能体生成的回复。

11、生成ChatOutput并传递给调用方。

12、用户可通过/why命令查看操作记录和存储的验证结果。

工具注册表

工具注册表对应文件为root/src/agent/tools/index.ts，包含多种实用工具。

• 天气查询、国家查询、景点查询（weather / getCountry / getAttractions）/

• 旅行信息搜索（searchTravelInfo，支持Tavily/Brave）。

• 向量查询（vectaraQuery，用于RAG定位）。

• 政策提取与深度研究（extractPolicyWithCrawlee / deepResearch）。

• Amadeus相关工具（resolveCity / airports / flights，用于城市解析、机场查询、航班查询）。

提示流程

1、用户发送消息后，系统加载meta_agent.md中的系统提示。

2、基于系统提示，通过LLM生成规划请求，包含CONTROL JSON路由、缺失信息及调用指令。

3、调用chatWithToolsLLM()函数执行元智能体操作。

4、依据meta_agent.md中的整合指令，对信息进行整合。

5、调用slot_memory.setLastReceipts存储操作记录。

6、判断是否需要自动验证或执行/why命令：

• 若是，加载verify.md，生成严格的JSON格式验证结果。

• 若否，直接生成回复。

7、最终输出包含回复和操作记录的结果。